一种基于多传感器的车辆动态称重系统及方法

摘要

本发明公开了一种基于多传感器的车辆动态称重系统及方法，该系统包括传感器模块、数据采集系统和主控模块；所述的传感器模块，包括多个设置在称台上的称重传感器，用于实时测量车辆每个车轴经过称台时的重量数据；所述的数据采集系统，用于采集全部称重传感器的重量数据，存储数据并将数据发送给主控模块；所述的主控模块，包括算法子系统，算法子系统用于对重量数据进行处理，利用加权融合算法对多个称重传感器的数据进行融合，得到权重系数；通过判断车辆各个车轴的位置，再将相应的传感器数值乘以权重系数进行相加，获得车辆的总重信息。该系统可以获得车辆相关信息、提高车重测量精度。

说明书

技术领域

本发明属于车辆称重技术领域，具体涉及一种基于多传感器的车辆动态称重系统及方法。

背景技术

随着公路运输业的快速发展，车辆动态称重技术已成为车辆载荷测量的关键技术和发展方向。车辆动态称重就是在车辆不停止或不减速的前提下，对其进行称重。与传统的静态称重测量方法相比，车辆动态称重不仅具有速度快、效率高、对公路吞吐能力影响较小的特点，还可以在获取车辆总重的同时，得到车轴数、轴重、车速等相关信息。

对于车辆动态称重，目前常见的数据处理方法主要有：滤波法和EMD(经验模分解)方法等。由于车辆轴重信号与汽车振动干扰信号同为低频信号，简单的滤波方法在去除低频干扰的同时，也会造成部分轴重信息丢失的情况；EMD虽然可以对非线性、非平稳信号进行有效分解，但是实时处理数据能力较差，难以满足实际应用的要求。

因此，设计一种高精度、具有实时处理数据能力的多传感器车重提取算法十分关键。

发明内容

本发明针对现有的问题提供了一种基于多传感器的车辆动态称重系统及方法，该系统能够实时处理数据，可以获得车辆相关信息、提高车重测量精度。

为达到上述目的，本发明采取的技术方案是：

一种基于多传感器的车辆动态称重系统，包括传感器模块、数据采集系统和主控模块；

所述的传感器模块，包括多个设置在称台上的称重传感器，用于实时测量车辆每个车轴经过称台时的重量数据；

所述的数据采集系统，用于采集全部称重传感器的重量数据，存储数据并将数据发送给主控模块；

所述的主控模块，包括算法子系统，算法子系统用于对重量数据进行处理，利用加权融合算法对多个称重传感器的数据进行融合，得到权重系数；通过判断车辆各个车轴的位置，再将相应的传感器数值乘以权重系数进行相加，获得车辆的总重信息。

作为本发明的进一步改进，称台由多个称重台依次连接而成，每个称重台的前、后两端各有一组称重传感器。

作为本发明的进一步改进，所述的传感器模块还包括车辆分离器，用于判断是否有车辆驶入称重系统。

作为本发明的进一步改进，所述的数据采集系统包括放大电路、模数转换器、数据采集系统主控模块、通讯模块及数据存储系统；

所述的放大电路，用于将采集的原始重量数据进行放大；

所述的模数转换器，用于将放大后的数据进行模数转换；

所述的数据采集系统主控模块，用于收集所有的模数转换后的数据，并发送至通讯模块及数据存储系统；

所述的数据存储系统，用于对数据进行存储；

所述的通讯模块，用于将数据发送至算法子系统。

作为本发明的进一步改进，所述的算法子系统还用于计算车辆的整重、轴重、轴数和速度：

车辆的总重通过判断车辆的各个车轴具体所在称重块，再将相应的传感器数值相加得到；

车轴数通过第一个称重块在车辆分离器信号持续期间内前传感器上轴信号的次数来获得；

轴重是对应车轴上块后称重块的重量与上块前称重块的差值；

车速是通过轴上称重块与下称重块带来突变的时间差，得到轴速度，车辆各个轴速度的平均值即为车速。

一种基于多传感器的车辆动态称重方法，包括以下步骤：

测量车辆的各个车轴经过称台时的原始重量数据；

对原始重量数据进行去基准处理、滤波预处理；

对重量数据进行处理，利用加权融合算法对多个称重传感器的数据进行融合，得到权重系数；通过判断车辆各个车轴的位置，再将相应的传感器数值乘以权重系数进行相加，获得车辆的总重信息。

对重量数据进行处理步骤具体为：采用线性分析的方法对车轴信号的检测和识别，把车辆上称重块和下称重块的过程辨识，提取出各个过程的特征值。

作为本发明的进一步改进，间隔对采样，通过对重量数据进行处理，采用线性分析的方法对车轴信号的检测和识别，把车辆上称重块和下称重块的过程辨识，提取出各个过程的特征值。

作为本发明的进一步改进，线性分析的方法具体步骤如下：

采样数值波形图记为：

(t₁,y₁),(t₂,y₂),(t₃,y₃),...,(t_n,y_n)

其中，t_n表示自采样时刻起，传感器采集到的第n个点，y_n是第n个点的采样数值；选择(t₁，y₁)作为起始点，当后续点(t_n++2,y_n+2)与前点(t_n+1,y_n+1)的采样数值之差不超过设置的α值时，连接(t_n,y_n)与(t_n+2,y_n+2)替代(t_n,y_n)与(t_n+1,y_n+1)之间的线段；当采样数值之差超过α时，(t_n,y_n)与(t_n+1,y_n+1)之间的线段便终止于此，以(t_n+1,y_n+1)为起点，重复这一过程；

处理过后的采样数值波形图会被划为如下各段：

S₁，S₂，...，S_k,...,S_n

S_k＝(t_k^b,y_k^b),(t_k^e,y_k^e)

其中，(t_k^b,y_k^b)代表线段k起点，(t_k^e,y_k^e)代表线段k终点；

通过上述算法，计算出各线段的斜率，然后选取斜率斜率的绝对值大的线段作为轴信号：k>th的信号为轴上称重块信号，k为线段斜率，th为选取的正阈值；k<ts)的信号为轴下称重块信号，k为线段斜率，ts为选取的正阈值；

为每辆车都设定一个自己的轴信号阈值，获取车辆第一个轴上第一个称重块前传感器的峰值y_h，令正阈值th＝0.13*y_h，令负阈值ts＝0.11*y_h；

通过前后传感器信号的斜率来判断车辆的行驶方向：当前采集信号为轴上称重块信号或后传感器信号为轴下块信号时，车辆正向行驶；当前采集信号为轴下称重块信号或后传感器信号为轴上块信号时，车辆反方向行驶；

利用设置的阈值，将称重传感器信号转化为0-1信号。

作为本发明的进一步改进，提取车轴分为车轴上称重块和下称重块两部分：

首先，构造两个队列：axleonblk、waittocheck和一个数组：axle；根据轴检测算法，当获得一个轴上称重块的信号时，记录当前称重块的信息，并压入axleonblk队列；当获得一个轴下块信号时，将此车轴信号由axlenblk队列转移到waittocheck队列；根据车辆分离器信号的变化，判断是否有车到来，并根据车轴数，构造一个车轴数*n的二维数组axle；将waittocheck队列中的车轴信号依此存入axle中，进而相关信息都被存入到该数组中。

作为本发明的进一步改进，还包括车辆的整重、轴重、轴数和速度的计算步骤；具体计算方法如下：

车辆的总重通过判断车辆的各个车轴具体所在称重块，再将相应的传感器数值相加得到；

车轴数通过第一个称重块在车辆分离器信号持续期间内前传感器上轴信号的次数来获得；

轴重是对应车轴上块后称重块的重量与上块前称重块的差值；

车速是通过轴上称重块与下称重块带来突变的时间差，得到轴速度，车辆各个轴速度的平均值即为车速。

本发明具有以下优点和有益效果：

本发明的车辆动态称重系统，包括多个称重传感器，通过实时测量车辆每个车轴经过称台时的重量数据；加权处理得到总重，具体由主控模块中的算法子系统实现，先对重量数据进行处理，通过判断车辆各个车轴的位置，再将相应的传感器数值乘以权重系数进行相加，获得车辆的总重信息。算法子系统对多称重块传感器数据进行处理后，能够有效克服噪声及车辆自身振动带来的干扰，完成对车轴信号的提取，最终得到车轴数、各车轴重量、整车重量及车辆行驶速度等相关信息。经测试，测量轴重平均误差为1.37％，测量总重为的平均精度为0.24％。

进一步，在称台的前、后两端各有一组包含两个桥式传感器，因为桥式传感器的故有线性度较佳，并且安装简单，适合于实际操作，所以选用桥式传感器作为本发明的称重传感器。

进一步，对称重传感器的数据进行放大、模数转换处理后，将其传送到数据存储模块内。通过以太网的连接，算法子系统将会对这些数据进行处理，提取车轴信号，最终得到车辆的整重、轴重、轴数和速度等相关信息。

本发明的控制方法通过对重量数据进行处理，利用加权融合算法对多个称重传感器的数据进行融合，得到权重系数；通过判断车辆各个车轴的位置，再将相应的传感器数值乘以权重系数进行相加，获得车辆的总重信息。采用了多称重传感器的方法，利用加权融合算法对多个称重传感器的数据进行融合。加权融合算法能够将多个传感器提供的冗余信息进行加权平均，具有实时处理动态原始数据的能力，十分适用于车辆动态称重系统。经过多次实验，最终选择出合适的权重系数。该方法能够得到高精度的车辆总重数据。

附图说明

图1系统整体结构示意图；

图2系统的通信结构框图；

图3前传感器的测量数值图；

图4后传感器的测量数值图；

图5系统的主流程图；

图6车轴分拣示意图。

具体实施方式

下面结合附图对本发明作进一步的详细描述，但本发明的实施方式不限于此。

本发明的车辆动态称重系统的整体结构如图1所示，主要包含三部分：1.传感器模块(称重传感器)；2.数据采集系统(实现对全部传感器数据的采集)；3.主控模块(进行数据处理、算法运行，实现用户交互)。数据采集系统和主控模块之间通过千兆以太网连接，实现通信。

数据采集系统完成对传感器信号的采集工作，存储采集的数据，并通过串口和以太网将这些数据发送给主控模块。

主控模块内部主要包含算法子系统和用户交互系统。算法子系统会对传感器信号进行处理，获得整重、轴重、轴数和速度，并通过UDP(User Datagram Protocol，用户数据报协议)将这些信息发送给用户交互系统。用户交互系统完成显示、存取数据和系统配置这些工作。算法子系统包括对包括轴信号检测、车辆分离器信号处理、称重块处理系统、车辆队列状态检、数据存储及发送。最终通过主控模块的用户交互系统，本系统实现对车辆信息的输出。同时，用户界面与数据采集系统、数据采集系统与算法子系统之间也通过UDP实现通信，完成收发数据，发送指令的工作。系统的通信结构如图2所示。

多传感器车重提取算法主要通过处理采集到的原始数据，实现对整重、轴重、轴数和速度的计算。其原理为：首先，利用线性分析的方法(即把传感器信号波形用一些连接起来的线段表示)去处理各个称重传感器信号。再结合车辆分离器信号，可以分析出车辆在各个称重块上的行驶状态，包括：车辆包含的车轴数、各个车轴进入及离开各个称重块的时间、各个时刻称重传感器的数值等信息。利用上述信息，对称重传感器信号进行处理，就可以获知车辆的轴数、轴重、总重、平均行驶速度。

本发明的采用桥式传感器，在称台的前、后两端各有一组传感器(包含两个桥式传感器)。当车辆的各个车轴经过称台时，前后两组传感器会发分别测量到一组数据，分别如图3、图4所示。当车辆的一个轴进入称重块的时候，从前传感器的测量数值图可以看出，采样值会有一个突变，随着车辆的继续行驶，车轴后移，前传感器的测量数值会逐渐减少，直到车辆的下一个车轴进入称重块，采样数值又会有一个突变。后传感器测量数值的变化过程与前传感器测量数值的变化过程相反：随着车辆的一个轴在称重块上逐渐后移，后传感器的采样值逐渐变大，当车轴离开称重块的时候，后传感器会产生一次向下的突变。称台上物体的重量可以用前后传感器之和表示。

由于传感器采样到的信号是有一定基准的，所以首先需要对各个模块的ADC完成去基准的操作，才可以进行后续的信号处理工作，主流程图如图5所示。本发明采用中值滤波的方法，去除冲击噪声的效果更好。

车轴检测是本多传感器车重提取算法的核心。采样信号在去除基准后，依然含有较大的噪声信号。这种情况下，很难将车轴信号正确提取出来。采用具有良好过渡带特性的IIR低通Elliptic滤波器，对采集的信号进行预处理，实现对原始信号的滤波平滑处理。

本发明称重方法具体步骤如下：

本发明首先每隔2ms对传感器数据进行一次采样，采样频率为500Hz。通过对这些采样点的分析，把车辆上称重块和下称重块的过程辨识出来，提取出各个过程的特征值。

为了便于实现对车轴信号的检测和识别，本发明的轴检测算法采用了线性分析的方法(即把传感器信号波形用一些连接起来的线段表示)。这样描述传感器信号的波形具有以下优势：1.这些相连的线段的特征容易获得，比如斜率、长度、幅值等；2.分析这些线段的特征，可以获知我们所关心的信息，包括：车轴上称重块时间、下称重块时间以及车轴在称重块上持续时间等。

传感器采样数值波形图可以记为：

(t₁,y₁),(t₂,y₂),(t₃,y₃),...,(t_n,y_n)

其中，t_n表示自采样时刻起，传感器采集到的第n个点，y_n是第n个点的采样数值。选择(t₁，y₁)作为起始点，当后续点(t_n++2,y_n+2)与前点(t_n+1,y_n+1)的采样数值之差不超过设置的α值时，连接(t_n,y_n)与(t_n+2,y_n+2)替代(t_n,y_n)与(t_n+1,y_n+1)之间的线段；当采样数值之差超过α时，(t_n,y_n)与(t_n+1,y_n+1)之间的线段便终止于此，以(t_n+1,y_n+1)为起点，重复这一过程。

为了满足系统的实时性要求，当后续点与线段起点的采样数值之差小于Δy时，认为这是一条直线。从实际考虑，在一辆车经过称重块的期间内，每一个称重块平均只有(n为称重块总数)的时间是具有有用信息的，考虑到一天公路的吞吐量，每个称重块具有有用信息的时间就更少了。所以，上述方法会节省大量运算、分析时间。处理过后的传感器采样数值波形图会被划为如下各段：

S₁，S₂，...，S_k,...,S_n

S_k＝(t_k^b,y_k^b),(t_k^e,y_k^e)

其中，(t_k^b,y_k^b)代表线段k起点，(t_k^e,y_k^e)代表线段k终点。

通过上述算法，我们可以计算出各线段的斜率，然后选取斜率斜率的绝对值大的线段作为轴信号：k>th(k为线段斜率，th为选取的正阈值)的信号为轴上称重块信号；k<ts(k为线段斜率，ts为选取的负阈值)的信号为轴下称重块信号。在实际情况下，通过本动态称重系统的车辆型号各异，包括：两轴车、三轴车和六轴车等。即使是同一类型的车，也会分为空载、满载等多种情况。所以，选择固定的th和ts显然是不科学的，本算法采用动态阈值的方法，为每辆车都设定一个自己的轴信号阈值。具体如下：获取车辆第一个轴上第一个称重块前传感器的峰值y_h，令正阈值th＝0.13*y_h，令负阈值ts＝0.11*y_h。不仅如此，还可以通过前后传感器信号的斜率来判断车辆的行驶方向(实际情况)。当前传感器信号为轴上称重块信号(即斜率为正)或后传感器信号为轴下块信号(即斜率为负)时，车辆正向行驶；当前传感器信号为轴下称重块信号(即斜率为负)或后传感器信号为轴上块信号(即斜率为正)时，车辆反方向行驶。本设计使用施密特触发器，利用设置的阈值，将称重传感器信号转化为0-1信号。

提取车轴分为车轴上称重块和下称重块两部分。首先，构造两个队列：axleonblk、waittocheck和一个数组：axle。根据轴检测算法，当获得一个轴上称重块的信号时，记录当前称重块的信息(上称重块的时间，重量计算结果等)，并压入axleonblk队列，如图6所示。当获得一个轴下块信号时，将此车轴信号由axlenblk队列转移到waittocheck队列。根据车辆分离器信号的变化，我们可以判断是否有车到来，并根据车轴数，构造一个车轴数*n(称重块数)的二维数组axle。将waittocheck队列中的车轴信号依此存入axle中。至此，相关信息都被存入到该数组中，用于后续的计算。

车辆在动态称重系统上的运动是十分复杂的，轮胎特性、悬挂系统、速度、加速度以及路面的平整度，都会给车身带来震动。为了减少这种震动对称重精度的影响，本设计采用了多称重传感器的方法，利用加权融合算法对多个称重传感器的数据进行融合。加权融合算法能够将多个传感器提供的冗余信息进行加权平均，具有实时处理动态原始数据的能力，十分适用于车辆动态称重系统。经过多次实验，最终选择出合适的权重系数。

使用上述算法和多个称重传感器的物理结构，不再需要将各个轴重相加以获得车辆总重，而是可以通过判断车辆位置，即判断车辆的各个车轴具体在哪几个称重块上，再将相应的传感器数值相加，便可获得车辆的总重信息。

车轴数可以通过第一个称重块在车辆分离器信号持续期间内前传感器上轴信号的次数来获得。

轴重信息可以从图3、图4的波形图中恢复出来，基本思路是对应车轴上块后称重块的重量与上块前称重块的差值即为轴重。

轴上称重块与下称重块带来突变的时间差，即为该车轴在块上的持续时间，设计的称重块长度已知，二者相除，便可以得到轴速度，车辆各个轴速度的平均值即为车速。

需说明的是，上述实施例仅为本发明较佳的实施方式，但本发明并不受上述实施例限制，凡在本发明的原理和精神实质下对以上实施例所作的任何简单修改、组合、等效替换、变更、简化，均应包含在本发明的保护范围内。